20年前的创意让AI效率提升1000倍

主要是数据传输，造成很大比例的能源消耗。对于人工智能算法处理的海量数据来说更是如此。

省略这一步，也被认为是内存和逻辑进程之间的瓶颈，因此影响巨大。这正是 2003 年明尼苏达大学当时提出的一个想法发挥作用的地方。

这促成了从物理学到工程学和计算机科学等众多学科之间的合作。其结果是形成了当今智能手表和存储元件中使用的许多电路。

还涉及计算随机存取存储器（CRAM）。这允许直接在主存储器及其中的任何位置实际计算和执行并行进程。

不仅仅是一种新架构

此外，这些不是传统电路，而是可以使用电子自旋而不是电荷在0和1之间切换。

在基于人工智能的应用中，这会导致功耗千分之一，才能最终达到与经典方法相同的结果。全球神经网络当前和预测的电力消耗表明了这一电量有多么巨大。根据国际能源署的数据，2022 年使用了 460 太瓦时。最迟到 2026 年，预计将达到 1,000 太瓦时。

由于节省了 99.9％ 的巨大潜力，这将留下 999 太瓦时不再需要。这相当于拥有 1.26 亿居民的第四大经济体日本的年用电量。

根据该论文，这甚至不是最好的结果。进一步的测试可以将能耗降低 1,700 或 2,500 倍。通过将 CRAM 有针对性地适应各个算法，可以进一步提高效率，计算速度更快，因此更经济。

以上是20年前的创意让AI效率提升1000倍的详细内容。更多信息请关注PHP中文网其他相关文章！